依據：國立中山大學微學分實施要點。
申請對象：本校大學部及碩士班學生得申請微學分課程。
授課教師：李宛儒博士
課程時間：2021/3/8~2021/4/16，每週二14:00~16:00與每週四12:00~13:00，每週3小時，共6週。
學分數：0.9學分【每一堂課皆需簽到】
註：微學分課程之學分認定，以每 2 小時認定為 0.1 學分為原則。
微學分課程採集點式認證，學生修習符合取得微學分課程規範，應於規定期間內向各開課單位申請取得學分審核，審核通過者方取得學分，學分數可跨學期累計，當學期（以學期考試結束為截止日）累計微學分課程達 18小時以上者，可取得「微學分（學年-學期）」之選修課程，採計 1 學分，登錄成績為「通過」。
學生每學期至多採計 1 學分，學士班學生計入畢業學分數至多 6 學分、碩士班學生計入畢業學分數至多 2 學分，相同課程不得重複申請，且不得因修習微學分課程申請延長修業年限。
上課地點：物理館PH 5009【暫定】
課程目標：使學生能了解機器學習基本概念，並能使用Python實現監督學習(supervised learning)在物理上的應用。
課程介紹：
1.培養物理系學生藉由學習Python語言及相關套件(Keras, Numpy, …等)的使用來實現監督學習(supervised learning)程式以協助物理上的研究與學習。
2.課程以課堂演講相關概念為主(約12小時)，並搭配相關Python課程(約6小時)來讓學生在課程結束後能自行完成基礎機器學習程式，並藉由介紹監督學習在物理研究方面的進展來了解其在物理上的應用。
3.本課程除了總體機器學習基本概念介紹之外，主要內容以監督學習(supervised learning)為主，課程大綱為:
Gradient descent, Bayesian inference (linear and logistic regressions), FNN (Feed-forword neural networks), Backpropagations, CNN (convolutional neural networks), transfer learning and ensemble methods
評分標準：作業: 60%，報告: 40%
報名截止日：2021/02/26(五)
